Tactile-JEPA 用触觉传感器拓扑图做掩码预训练，把力估计误差降低 6.3%、手内姿态误差降低 20.8%

Tactile-JEPA 把自监督掩码预测从视觉像素网格搬到触觉单元的连通图上，用局部掩码（Dijkstra 扩张得到的连通子图）捕捉局部接触细节，用全局掩码（全图均匀采样）反映整只手的接触状态，二者等量混合。 此前的分布式触觉表示方法要么把信号重排成图像沿用视觉自监督（如 T-DEX 用 BYOL），要么只把 taxel 位置当作逐单元特征（Sparsh-skin、STAT），要么依赖仿真中才能获得的接触面几何（HyperTaxel）；该工作首次让传感器拓扑直接进入自监督掩码采样，且不需要坐标、标签或仿真特权信息。 消融实验显示，同为紧凑连通掩码、预算相同，仅在 taxel 图上采样（4L）就优于图无关的 I-JEPA 块状掩码（4I-JEPA），在力估计与策略学习两项上均更好；默认的 2L+2G 混合在力估计 RMSE 与手内姿态精度上取得最佳，在 DECO-50 上仅次于纯全局掩码 4G。

在冻结预训练编码器、只训练轻量任务头的评测协议下，Tactile-JEPA 在多个下游任务上超过 BYOL、MAE、DINO 与端到端基线。 相比各指标上的最强基线，力估计 RMSE 降低 6.3%、手内姿态 RMSE 降低 20.8%；在 Tactile socks 上动作分类准确率提升 1.28%、全身姿态 RMSE 降低 2.6%；在 DECO-50 的视觉-触觉策略学习上取得次优结果（MAE 最低），且无需针对数据集调参。 三个数据集覆盖磁性（Xela uSkin）与压阻（针织织物、Inspire FTP）两类传感器、单臂与双臂、人手与机器人手；每个自监督方法预训练三个随机种子、每个编码器训练三到四个任务头，共 9 或 12 次运行，报告均值与样本标准差，并对前两名做单侧 Welch t 检验。

该方法在异构触觉信号上训练稳定，而若干对比方法在部分数据集上崩溃。 BYOL 在 Tactile socks 与 DECO-50 上崩溃，MAE 在 Tactile socks 上崩溃，DINO 在 DECO-50 的标准配置下崩溃、需关闭 iBOT 损失才可用；Tactile-JEPA 用同一套掩码配置在所有数据集上稳定预训练。 表 II 与表 III 中相应单元格标注为 collapsed；作者同时报告 Tactile-JEPA 的预训练比 DINO 快 65–75%，并给出各数据集的 GPU 小时数（如 Sparsh-skin 6.1 小时、DECO-50 5.5 小时，四张 A100 80GB）。

掩码尺度会调节表示偏向：局部掩码利于精细接触任务，全局掩码利于整体接触状态相关的任务，混合尺度是通用预训练的稳健选择。 在 DECO-50 上纯全局掩码 4G 取得最低策略误差，与动作预测依赖整手接触状态一致；默认 2L+2G 在力估计与手内姿态精度上最好。把默认的全局上下文掩码换成局部上下文，会改善力估计但明显损害姿态与策略表现。 结论来自表 IV 的掩码策略消融，比较了 4I-JEPA、4L、4G、2L+2G 以及局部上下文变体（4L†、4G†、2L+2G†），并说明局部上下文变体被排除在最优与次优标注之外。

该结果面向覆盖机器人手或人体表面的分布式触觉传感器（磁性电子皮肤、压阻织物等），预训练只需传感器自身信号与已知布局，不需要 taxel 坐标、任务标签或仿真特权信息；编码器在下游保持冻结，只训练轻量任务头，因此适合标签有限、需要快速适配新任务的机器人学习场景。方法在短时间窗内定义预训练目标，不建模跨窗时间结构，把时序推理留给下游解码器，因而适合以控制回路频率调用编码器、再组合连续嵌入的部署方式。对 DECO-50 这类 taxel 数量很大的硬件，作者通过分组相邻 taxel 把序列长度降到可计算规模，说明该路线可扩展到高覆盖皮肤。

预训练目标只在短窗口内定义，跨窗口的时间推理交由下游解码器，因此长时程接触动态如何被表示仍是开放问题。评测集中在三个公开数据集与相应任务上，其他传感原理、其他本体与真实部署中的长期稳定性尚待观察。DECO-50 上 MAE 取得最低策略误差，说明不同自监督目标在不同任务上各有优势，何种目标组合最通用仍值得进一步比较。此外，本次读取的是论文全文文本，表格中的数值以文本形式呈现，个别单元格的排版细节（如显著性标注）在纯文本中不易完全还原，若需精确复现具体数字建议对照原文表格。